计算机视觉——opencv快速入门(一) opencv的介绍与安装

简介: OpenCV是开源计算机视觉库,支持C++, Python, Java等,用于图像处理、视频分析等。建议使用较早版本如3.4.3,因高版本部分算法需付费。通过Anaconda创建Python虚拟环境来安装,选择合适的Python和OpenCV版本。激活环境后,用`pip`安装`opencv-python`。基本环境配置完成后,通过显示图像的Python代码测试安装是否成功。

什么是opencv

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。它旨在提供广泛的图像和视频处理功能,支持多种编程语言(主要包括C++, Python, Java等)和操作系统(如Linux, Windows, macOS, Android, and iOS)。OpenCV库包含了大量的优化算法,用于解决计算机视觉中的常见问题,比如图像处理、视频分析、特征检测、对象识别、机器学习以及深度学习相关的任务。

OpenCV的设计考虑了执行效率,特别强调实时应用的性能,因此它被广泛应用于需要高效图像处理能力的场景中,比如安全监控、自动驾驶、医学影像分析、无人机导航、机器人技术、AR/VR应用以及各种科研和工业项目。由于其开源的特性,全球有大量开发者和研究者持续为OpenCV贡献代码和改进,使其成为计算机视觉领域中最受欢迎和广泛使用的工具之一。

opencv-python的安装

不同的opencv版本对应着不同的python版本,两个不相容的会报错,同时由于版权问题3.4.3以后的版本右很多算法是付费的,所以建议版本的使用最好比较靠前,python和opencv版本的对应可以参考这里
这里opencv-python对应的是opencv的版本,cp对应的是python的版本
这里我使用的是anaconda来配置相关环境,大家也可以选择直接下载python环境,这里我简单来介绍如何使用anaconda来配置相关环境:
注意: anaconda的下载与安装可以参考:
史上最全最详细的Anaconda安装教程

  1. 点击create按钮配置python虚拟环境版本:
    image.png
  1. 然后选择python版本并且取名
    image.png
  1. 打开对应虚拟环境的终端,下载相关python的第三方包:
    点击播放键,选择open teminal
    image.png

image.png

然后我们使用相关命令下载相关第三方包即可,最后可以使用pip list来查看自己所下载的第三方包:
image.png

这样就完成了基本环境的配置,后面需要下载新的第三方包也这样即可。

第一个opencv程序

当我们完成了上述环境的配置,可以考虑用下面这个代码来测试一下环境是否安装成功:

import cv2

cv2.namedWindow("image", cv2.WINDOW_NORMAL)
img = cv2.imread(r'C:\\Users\\fengxu\Desktop\\Screenshots\\1b8fc10d60dbe62d15237451f13408a1.jpg')
cv2.resizeWindow("image", 600,400)
cv2.imshow("image", img)

# 等待按键后关闭窗口,否则imshow的窗口会立即消失
cv2.waitKey(0)
cv2.destroyAllWindows()

image.png

运行结果如下:

注意:图片路径要修改成自己的路径

相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
Python在计算机视觉(CV)中扮演重要角色,得益于其丰富的库如OpenCV、Pillow和Scikit-image。
【7月更文挑战第5天】Python在计算机视觉(CV)中扮演重要角色,得益于其丰富的库如OpenCV、Pillow和Scikit-image。CV涉及图像处理、模式识别和机器学习,用于图像理解和生成。Python的跨平台特性和活跃社区使其成为CV的理想工具。基本流程包括图像获取、预处理、特征提取、分类识别及图像生成。例如,面部识别通过预处理图像,使用如`cv2.CascadeClassifier`进行检测;物体检测类似,但需适应不同目标;图像生成则利用GAN创造新图像。
41 4
|
4天前
|
前端开发 计算机视觉
Building wheel for opencv-python (pyproject.toml) ,安装命令增加 --verbose 参数
Building wheel for opencv-python (pyproject.toml) ,安装命令增加 --verbose 参数
14 2
|
1月前
|
机器学习/深度学习 XML 计算机视觉
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习库,它提供了大量的函数和工具,用于处理图像和视频数据。
|
2月前
|
算法 计算机视觉 Python
openCV 3计算机视觉 Python语言实现 笔记 第4章 深度估计与分割
openCV 3计算机视觉 Python语言实现 笔记 第4章 深度估计与分割
|
2月前
|
算法 计算机视觉 Python
openCV 3计算机视觉 Python语言实现 笔记 第三章 使用OpenCV 3处理图像
openCV 3计算机视觉 Python语言实现 笔记 第三章 使用OpenCV 3处理图像
|
3月前
|
机器学习/深度学习 计算机视觉
AIGC核心技术——计算机视觉(CV)预训练大模型
【1月更文挑战第13天】AIGC核心技术——计算机视觉(CV)预训练大模型
516 3
AIGC核心技术——计算机视觉(CV)预训练大模型
|
8月前
|
机器学习/深度学习 PyTorch 算法框架/工具
Azure 机器学习 - 使用 ONNX 对来自 AutoML 的计算机视觉模型进行预测
Azure 机器学习 - 使用 ONNX 对来自 AutoML 的计算机视觉模型进行预测
99 0
|
2月前
|
编解码 机器人 测试技术
2024年6月计算机视觉论文推荐:扩散模型、视觉语言模型、视频生成等
6月还有一周就要结束了,我们今天来总结2024年6月上半月发表的最重要的论文,重点介绍了计算机视觉领域的最新研究和进展。
92 8
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
计算机视觉借助深度学习实现了革命性进步,从图像分类到复杂场景理解,深度学习模型如CNN、RNN重塑了领域边界。
【7月更文挑战第2天】计算机视觉借助深度学习实现了革命性进步,从图像分类到复杂场景理解,深度学习模型如CNN、RNN重塑了领域边界。AlexNet开启新时代,后续模型不断优化,推动对象检测、语义分割、图像生成等领域发展。尽管面临数据隐私、模型解释性等挑战,深度学习已广泛应用于安防、医疗、零售和农业,预示着更智能、高效的未来,同时也强调了技术创新、伦理考量的重要性。
34 1
|
2月前
|
机器学习/深度学习 算法框架/工具 计算机视觉
ViT模型的出现标志着Transformer架构在计算机视觉中的成功应用
ViT模型的出现标志着Transformer架构在计算机视觉中的成功应用
47 2